基于数据驱动模型的入海污染源排污削减优化方法研究

• 作者: 周斌 崔雷 徐楠 戴明新 李明昌 李艳丽 焦润红 邹斌
• 来源期刊: 水资源与水工程学报
• 关键词: 水质模型 数据驱动模型 神经网络 入海污染源 排污削减量 优化方法
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 水文水资源
• 页码范围: 9-13,18
• 页数: 6页
• 分类号: X55
• 语种: 中文
• DOI: 10.11705/j.issn.1672-643X.2017.02.02

摘要

陆源污染物排放是影响近岸海域水环境生态质量最重要的因素.建立了数据驱动模型人工神经网络算法和海域水质模型相耦合的入海污染源排污削减优化方法:基于水质模型污染源项设计工况的数值计算,获得海域内部观测点污染物浓度;以数据驱动模型人工神经网络算法建立状态变量(海域内部观测点污染物浓度)同控制变量(污染源项)之间的非线性关系;以海域内部观测点环境目标数据为输入,模拟推算出目标前提下的各污染源项入海允许排放量;最终结合实际排污量,核算获得削减量.以连云港徐圩海域4个入海污染源无机氮的排污削减研究验证方法的有效性,结果表明:数据驱动人工神经网络方法具有非线性、简洁、灵活的优点,可以为近岸海域水污染控制工作提供基础数据支撑;同时研究中采用分区排污削减的方式更能体现兼顾公平的基本原则,优化入海污染源排污削减工作.